并查集学习（2）

 实现这个数据结构主要有三个函数：如下：

void UFset()   //初始化
{
for(int i=0;i<N;i++)
   parent[i]=-1;
}



int Find(int x)   //返回第Ｘ节点所属集合的根结点
{
for(int i=x;parent[i]>=0;i=parent[i]);
while(i!=x)    //优化方案――压缩路径
{
   int tmp=parent[x];
   parent[x]=i;
      x=tmp;
}
return i;
}



void Union(int R1,int R2)   //将两个不同集合的元素进行合并，使两个集合中任两个元素都连通
{
int tmp=parent[R1]+parent[R2];
if(parent[R1]>parent[R2]) //优化方案――加权法则
{
   parent[R1]=R2;
   parent[R2]=tmp;
}
else
{
   parent[R2]=R1;
   parent[R1]=tmp;
}
}

在Ｆｉｎｄ函数中如果仅仅靠一个循环来直接得到节点的所属集合根结点的话。通过多次的Ｕｎｉｏｎ操作就会有很多节点在树的比较深层次中，再Ｆｉｎｄ起来就会很费时。通过加一个Ｗｈｉｌｅ循环（压缩路径）每次都把从i到集合根结点的路过结点的双亲直接设为集合的根结点。虽然这增加了时间，但以后的Ｆｉｎｄ会快。平均效能而言，这是个高效方法。




两个集合并时，任一方可做为另一方的孩子。怎样来处理呢，现在一般采用加权合并，把两个集合中元素个数少的做为个数多的孩子。有什么优势呢？直观上看，可以减少集合树的深层元素的个数，减少Ｆｉｎｄ时间。

如从０开始到Ｎ不断合并i和i+1结点会怎样呢？




这样Ｆｉｎｄ任一节点所属集合的时间复杂度几乎都是Ｏ(1)！！

不用加权规则就会得到




这就是典型的退化树现象，再Ｆｉｎｄ起来就会很费时（如找Ｎ－１节点看看）。

以下是读入等价对后的parent[N]查找合并过程状态：







再说一个并查集应用最完美的地方：最小生成树的kruskal算法：

算法基本思想是：

开始把所有节点作为各自的一个单独集合，以为每次从边信息中得到一个最短的边，如果这个边邻接了两个不同集合的节点，就把这两个节点的所属集合结合起来，否则继续搜索。直至所有节点都同属一个集合，就生成了一个最小生成树。int kruskal(int parent[],int N)
{
int i,j,k,x,y;
int min;
while(k<=N-1) //产生Ｎ－１条边
{
   min=MAX_INT;
   for(i=1;i<=N;i++)
    for(j=1;j<=N;j++)
    {
     if(sign[i][j]==0&&i!=j) //sign[N][N]是标志节点是否被访问过或已被排除……
     {
      if(arcs[i][j]<min)　//arcs[N][N]存放边的长度
      {
       min=arcs[i][j];
       x=i;
       y=j;
      }//if
     }//if
    }//for
   if(Find(parent,x)==Find(parent,y)) //如Ｘ，Ｙ已经属同一连通分量，则不合并，排除……
    sign[x][y]=1;
   else
    {
     Union(parent,x,y);
     Sign[x][y]=1;
    }